Examen 1 (2-7) Flashcards
Qu’est-ce que la recherche scientifique?
Processus d’acquisition des connaissances
- Sortir des impressions et du jugement clinique
- Obtenir une information qui est + représentative de l’ensemble
Qui utilise diverses méthodes de recherche
Pour répondre à des questions que l’on souhaite approfondir
Quels sont les critères à respecter pour être considéré comme un fait scientifique de qualité?
- Observé empiriquement
- Lien recherche-théorie
- Obtenu grâce à des méthodes appropriées
- Vérifié et reproduit
Décrivez brièvement ce qu’est l’approche qualitative
- Étude approfondie d’un petit nombre de cas
- Ne vise pas la généralisation
- Approche généralement phénoménologique
- Aucun facteur exclu a priori=laisse émerger les résultats
- Entrevues jusqu’à saturation
- S’intéresse aux cas particuliers, aux différences
Décrivez brièvement ce qu’est l’approche quantitative
- Grand nombre de cas
- Recours à des concepts théoriques a priori (théories qui aide à guider les informations qu’on vient collecter, conceptualisation et opérationnalisation avant d’arriver sur le terrain)
- Facteurs pouvant être observés, mesurés et quantifiés
- VI et VD
- S’intéresse aux tendances générales et à la généralisation
- Moins de place à l’émergence de concept
- Démarche précise dès le début, rigueur
- Analyses statistiques de données
Quelles sont les 3 types de variables?
- Indépendante “x”: Celle qu’on manipule, et cette manipulation entraine des variations pour d’autres variables. Elle vise à expliquer Y
- Dépendante “y”: Se modifie à la suite de la manipulation de la variable indépendante. Celle que l’on cherche à expliquer.
- Variable contrôle/intermédiaire (tierce): Variable qui intervient dans la relation entre X et Y.
Quelle est l’utilité et les principes de lire et comprendre la littérature scientifique?
- Mesurer et quantifier des phénomènes sociaux
- Généraliser des observations/données quant à un phénomène social
- Analyse des données faites à l’aide de logiciel statistique/analyse statistique des données collectées
- Représentativité
Décrivez généralement le but des approches de recherche
- Qualitatif
- Sens, expériences, perceptions
- Couvrir l’ensemble des concepts pertinents - Quantitatif
- Mesures, associations empiriques et objectivité
- Couvrir le + d’individu possible et souci de représentativité - Approche méthodologique, dite mixte
- Inclut volet qualitatif et volet quantitatif: Données quantitatives auprès d’un large échantillon, accompagnées d’un volet descriptif auprès d’un sous-groupe du même échantillon
- Combine force des 2 approches
Quelles sont les 2 démarches de raisonnement en recherche?
- Inductif
Du spécifique au général
- Des faits à la théorie
Observations empiriques spécifiques, élaboration d’énoncés généraux
- Observation, identification de patterns récurrents, conclusions préliminaires
Étude exploratoire et descriptive - Déductif
Du général au spécifique
- De la théorie aux observations empiriques
Application d’une théorie à une problématique précise
- Formulation d’hypothèses
- Observation pour vérifier les hypothèses
- Acceptation ou rejet des hypothèses
Étude explicative et prédictive/évaluative
Par quoi est influencé le choix du but de la recherche?
Le niveau de savoir et des connaissances actuelles sur le sujet
Décrire brièvement les 5 buts de la recherche
- Décrire: “Qui sont-ils? De quoi s’agit-il?”
- Description d’un groupe de personne, quartier, situation
- Dresser un portrait
- Prévalence d’un phénomène - Explorer: “Que se passe-t-il?”
- Peu d’informations sur sujet/phénomène/population
- Exploration des facteurs associés
- Dégager le portrait général d’une situation - Classifier: “Quels sont les profils-types? Quels sont les patterns?”
- Catégoriser
- Typologies
- Nécessite de catégoriser phénomènes/personnes afin d’agir, prendre des décisions - Expliquer: “Pourquoi est-ce arrivé?”
- Déterminer causes (x) et effets (y), préciser le sens des relations
- Expliquer lien entre x, y et z
- S’appuie habituellement sur théorie
- Supporter ou réfuter hypothèse/théorie
- Élaborer théorie
- Modélisation - Prédire et évaluer: “Qu’est-ce qui est efficace?”
- Pivot des études d’intervention
- Causes et effets d’un programme, loi, politique, etc.
- Est-ce que programme/intervention a atteint ses objectifs?
- Quel programme est le + adéquat, fonctionne le mieux
Nommez la documentation scientifique en ordre décroissant d’importance
- Rapport de recherche (institut, gouvernement)
- Chapitre de livre dans un ouvrage collectif
- Livre/thèse de doctorat
- Article scientifique
Décrire rapport de recherche
- Utile pour obtenir informations précises et descriptives
- Souvent une étude faite à l’interne (moins objectif)
- Évaluation des pairs moins rigoureuse, voire absente
Décrire chapitre de livre dans un ouvrage collectif
- Utile pour avoir une revue critique de littérature scientifique sur un sujet particulier dans un champ défini
- Études passées en revue sont celle que l’auteur juge pertinente
- Peut s’y glisser des idées novatrices sur problématique qui n’ont pas été l’objet d’études empiriques
- Comité de pairs, parfois
Décrire livre/thèse de doctorat
- Utile pour avoir une étude approfondie d’un sujet - voir plusieurs facettes d’une même thématique
- Généralement, comité de lecture - évaluation des pairs
- Volumineux, information vaste et exhaustive
- Information peut devenir rapidement dépassée
Décrire article scientifique
- Utile pour avoir information sur sujet très précis qui représente état des connaissances actuelles au moment de sa publication
- Présente des données nouvelles
- Évaluation des pairs généralement anonyme et rigoureuse
- Court, concis, doit respecter certaines normes de présentation
- Sujet et population analyses souvent très pointus - limite la généralisation
Nommez sections d’un article scientifique
- Titre, auteurs
- Résumé
- Introduction/revue de littérature
- Buts de l’étude
- Méthodologie
- Résultats
- Discussion
- Conclusion
- Biographie
- Note de fin de document (ou bas de page)
Quelles sont les 5 phases d’une recherche quantitative?
- Phase conceptuelle
- Élaboration d’un thème de recherche
- Exploration des sources et recension
- Élaboration d’un cadre de recherche
- Définition de la problématique+justifier pertinence
- Élaboration du but, objectifs, question de recherche - Phase méthodologique
- Choisir approche
- Conceptualisation/opérationnalisation des concepts
- Choisir méthode/technique de recherche (instrument de collecte)
- Définir population à l’étude
- Définir sorte et type d’échantillonnage - Phase empirique
- Cueillette de données - Phase analytique
- Analyse et interprétation des données - Phase de diffusion
- Publication et communication des résultats
Qu’est-ce qu’une question de recherche?
Énoncé interrogatif qui: - Précise objectifs/concepts à l'étude - Précise population cible/unité d'analyse - Qui permet de connaitre l'angle et niveau de recherche Découle de recension des écrits - Failles à combler - Ce qui manque - Innover
Qu’est-ce qu’un concept?
- Image mentale qui représente observation, idée, sentiment
- Aide à nous référer à des termes, idées abstraites
- Ne peut être mesuré directement
- Définir ce que le concept veut vraiment dire/ce qu’il sous-entend
Qu’est-ce que la conceptualisation?
- Processus par lequel nous mettons en mots une idée abstraite
- Idée théorique transposée dans un langage opérationnel et précis
Qu’est-ce qu’une dimension?
- Un concept peut généralement se décomposer en sous-catégories: dimension
- Aide à avoir une meilleure idée de ce que signifie le concept, ce qu’il sous-entend
Qu’est-ce que l’opérationnalisation?
- Démarche qui permet de rendre mesurable concepts/dimensions à l’étude, de capter réalité des phénomènes
- Passer de l’abstrait au concret
- Rendre mesurable à l’aide d’indicateurs (variables)
Quelles sont les 3 étapes pour réaliser l’opérationnalisation?
- Identification des indicateurs
- Création de variables ou d’indices
- Identification/sélection des modalités de la variable (échelle de mesure)
En bref, qu’est-ce qu’un concept, des dimensions et une variable?
- Concept=représentation mentale d’une idée
- Dimensions=sous-thèmes
- Variable=observation de la dimension
Qu’est-ce qu’une variable nominale?
- Qualitative
- Sert à qualifier des personnes, objets, groupes
- Établir des relations d’équivalence ou de différence (pas d’ordre établi)
Qu’est-ce qu’une variable dichotomique?
2 choix de réponse
Qu’est-ce qu’une variable ordinale?
- Qualitative
- Nombre assigné à catégories de réponse pour pouvoir établir ordre de grandeur
- Permet d’établir des rapports d’équivalence ET des relations d’ordre
Qu’est-ce qu’une variable d’intervalle?
- Quantitatif
- Permet d’évaluer réponse de façon à ce que l’écart entre les 2 réponses ait une signification
- Notion de distance en plus d’une notion d’ordre
- 0 ne signifie pas l’absence de quelque chose
- Peuvent être ordonnées
Qu’est-ce qu’une variable continue/de proportion/de ratio?
- Quantitatif
- 0 signifie absence de quelque chose; impossibilité de scores négatifs
- Rapport entre 2 variables interprétable
- Niveau le plus élevé des types de variables
Quels sont les 2 critères à respecter pour les variables et que veulent-ils dirent?
- Exclusivité: Une personne ne peut se trouver dans 2 catégories
- Exhaustivité: Toutes les valeurs/modalités possibles de la variable sont présentes
Parmi les variables, lesquelles sont exhaustives, exclusives, ont une relation d’ordre et des intervalles réguliers?
- Exhaustives: Toutes
- Exclusives: Toutes
- Relation d’ordre: Ordinale, d’intervalle, continue
- Intervalles réguliers: d’intervalle, continue
Quelle est l’utilité de l’analyse univariée?
- N’est pas d’expliquer, pas dans l’aspect d’association entre les variables
- Présenter et décrire les données
- Manipulations parfois nécessaires
Quelle est l’utilité des différents type de mesure, et quelles sont les mesures?
- Mesure de tendance centrale
Utilité: Permettent de résumer en un seul nombre la valeur la + représentative d’une série statistique
Type: Médiane, moyenne, mode - Mesure de position
Utilité: Renseignent sur position d’une donnée par rapport aux autres données d’une distribution ordonnée
Mesure: Quartile, quintile, décile, centile - Mesure de dispersion
Utilité: Mesurent niveau de variation ou de dispersion des variables, par rapport à un score typique, habituellement la moyenne
Type : Écart-type, variance, étendue
Qu’est-ce que le mode, ses avantages et ses inconvénients?
Valeur ou modalité de la variable la plus fréquente dans la distribution
- Variable, intervalle, continue, ordinale et nominale
- Ne fait du sens que si valeur du mode se distingue réellement des autres valeurs ou modalités
- Peut y avoir plusieurs modes
- Avantages: Simple; facile à identifier; s’utilise avec tous les types d’échelle de mesure
- Inconvénient: Ne prend pas en considération toute l’information disponible sur la distribution
Qu’est-ce que la médiane, ses avantages et ses inconvénients?
Valeur qui divise une distribution ordonnée en 2 parties égales. On retrouve 50% des données au-dessus et 50% des données en dessous
- Variable intervalle, continue, ordinale
- Utile dans les cas de distribution très asymétrique
- Bon complément à la moyenne
- Avantage: Peu influencée par valeurs extrêmes
- Inconvénient: Prend seulement en considération l’ordre des données/valeurs
Qu’est-ce que la moyenne, ses avantages et ses inconvénients?
Somme des données divisé par leur nombre
- Échelle intervalle, continue
- Idéal lorsque la distribution est relativement symétrique et unimodale
- Très influencé par valeurs extrêmes
- Prend en considération toutes les valeurs, mais grandement influencée par les valeurs extrêmes
Avec quelle type d’échelle peut-on utiliser le mode?
Toutes ! (Nominale, ordinale, d’intervalle, continue)
Avec quelle type d’échelle peut-on utiliser la médiane?
Ordinale, d’intervalle, continue
Avec quelle type d’échelle peut-on utiliser la moyenne?
D’intervalle, continue
Qu’est-ce que les mesures de positions?
Valeurs qui partagent distribution en un certain nombre de parties égales
Qu’est-ce que l’étendue?
Renseigne sur l’étalement des données
- Différence entre valeur observée la plus élevée et la moins élevée d’une distribution
- Plus l’étendue est grande, plus les valeurs possibles sont différentes
Qu’est-ce que la variance?
Renseigne sur la variabilité/homogénéité des données
- Mesure la distance de chaque observation par rapport à la moyenne - la concentration
- Sensible aux valeurs extrêmes
- Difficile à interpréter
- Variance élevée=hétérogénéité de la distribution
- Variance faible=homogénéité de la distribution
- Plus la distribution est grande, plus la variance est grande
- Valeur abstraite et donc difficile à interpréter
Qu’est-ce que l’écart-type?
Renseigne sur la variabilité/homogénéité des données
- Mesure distance de chaque observation par rapport à la moyenne
- Sensible aux valeurs extrêmes
- Même métrique que la variable
- S élevé=hétérogénéité de la distribution
- S faible=homogénéité de la distribution
À quel type de variable s’applique les mesures de dispersion?
Uniquement aux variables quantitative
Quel type de diagramme faut-il utiliser pour quel type de variable?
- Circulaires : Nominale (à peu de catégories)
- En bâtons: Ordinales
- Histogramme: Continue
Qu’est-ce que l’inspection des données et à quoi elle sert?
- Étape cruciale de la recherche quanti
- Permet d’augmenter la puissance statistique
Qu’est-ce que des données manquantes de façon aléatoire ou non-aléatoire?
Aléatoire: N’est pas attribuable aux caractéristiques du participant
Non aléatoire: Attribuable aux caractéristiques du participant
Dans quel cas les données manquantes sont moins problématiques? Sinon, qu’est-ce qui pourrait se produire?
SI:
- Données manquantes de façon aléatoire et/ou moins de 5-10% des données sont manquantes=moins problématique
Sinon, peut poser des problèmes au niveau de la généralisation
Nommez les 4 caractéristiques de la courbe normale
- A la forme d’une cloche
- Courbe est symétrique par rapport à la droite verticale qui passe par la moyenne
- Le mode, la médiane et la moyenne ont la même valeur
- La distribution des données suit une règle empirique
- Env. 68,3% des observations se situent à + ou - 1 é.t. de la moyenne
- Env. 95,4% des obs. se situent à + ou - 2 é.t. de la moyenne
- Env. 99,7% des obs. se situent à + ou - 3 é.t. de la moyenne
Nommez des caractéristiques de la distribution normale
Aire sous la courbe=1 ou 100% des répondants
Probabilité d’un évènement:
- Probable à + ou - 3 é.t. de la moyenne
- Improbable lorsque dépasse + ou - 3 é.t. de la moyenne
Comment est une courbe symétrique? Quelle est la relation entre le mode, la médiane et la moyenne?
- En forme de cloche
- Mo=Md=Moy
Comment est une courbe asymétrique négative? Quelle est la relation entre le mode, la médiane et la moyenne?
- Queue pointe vers la gauche
- Mode plus grand que médiane qui est plus grand que moyenne
Comment est une courbe asymétrique positive? Quelle est la relation entre le mode, la médiane et la moyen
- Queue pointe vers la droite
- Mode plus petit que médiane qui est plus petite que moyenne
Comment est une courbe mésokurtique?
Courbe normale, en forme de cloche
Comment est une forme leptokurtique? Comment est sa variation?
- Courbe élancée
- Haute concentration de cas qui prennent les valeurs égales ou proches de la moyenne
- Peu de variation: distribution relativement homogène
Comment est une forme platikurtique? Comment est sa variation?
- Courbe plate
- Les cas s’éloignent de la moyenne
- Forte variation: distribution relativement hétérogène
Pourquoi utilise-t-on le coefficient d’asymétrie et comment fait-on pour le calculer? Que veut dire la valeur obtenue?
Pour vérifier si la distribution est +/- normale
Utilise rapport entre asymétrie et erreur standard d’asymétrie
- 0 lorsque la distribution est normale
- Valeur positive: asymétrie positive
- Valeur négative: asymétrie négative
- Si coefficient d’asymétrie est plus grand que + ou - 3.29, rejet du postulat de la normalité
- Plus ce ratio est élevé, plus notre échantillon est anormalement distribué
Pourquoi utilise-t-on le coefficient d’aplatissement et comment fait-on pour le calculer? Que veut dire la valeur obtenue?
Pour vérifier si la distribution est +/- normale
Utilise rapport entre aplatissement et erreur standard d’asymétrie
- 0 lorsque la distribution est normale
- Valeur positive: distribution leptokurtique
- Valeur négative: distribution platikurtique
- Si coefficient d’aplatissement est plus grand que + ou - 3.29, rejet du postulat de la normalité
Que fait-on avec les valeurs extrêmes et la normalité?
Plus l’échantillon est gros, moins le fait d’avoir une distribution plus ou moins normale est grave
Dans le cas de variables quantitatives seulement
- Transformation (à privilégier): change forme de la distribution pour se rapprocher d’une courbe normale
- Éliminer les cas/valeurs extrêmes (option de dernier recours)
Pourquoi recoder une variable, dans le cas des variable qualitative et quantitative?
Quali:
- Limiter nombre de catégories
- Répartition des répondants dans les diverses catégories non-adéquate (-10%)
- Mieux répondre à nos objectifs de recherche
Quanti:
- Normalité de la distribution problématique
Quelle est l’utilité de chaque type d’analyse?
- Univariée: Décrire et présenter les données pour chaque variable
- Bivariée: Analyser l’effet d’une variable (X) sur une autre (Y)
- Multivariée: Analyser l’effet de plusieurs variables (X ; Z ; W) sur une autre (Y)
- Permet de contrôler l’effet de variable tierce
- Leur effet combiné sur une variable dépendante
Quelles sont les 5 conditions nécessaires à la causalité?
- Séquence temporelle- cause doit précéder l’effet (X cause Y)
- Association entre X et Y; X et Y sont présents (toujours là en même temps)
- Relation persiste même si inclut d’autres variables (influence de variables tierces?)
- Les 2 concepts (cause et effet) doivent être théoriquement différent
- Il existe une interprétation possible de la relation
Quels sont les 2 buts des types d’analyse statistique en lien avec l’hypothèse?
- Connaitre l’association entre 2 variables
2. Connaitre les différences de groupe pour une même variable
Qu’est-ce qu’une hypothèse non-directionnelle et une directionnelle? Qu’est-ce que cela implique pour l’acceptation de l’hypothèse&
ND: Aucune mention du sens de la relation entre les 2 variables/des différences existantes
- Ne sous-entend pas une direction à la relation
- Afin d’accepter l’hypothèse de recherche, doit exister une relation significative, peu importe le sens de cette relation
D: Sens de la relation/différences existantes sont mentionnées
- Afin d’accepter hypothèse de recherche, sens de la relation doit aussi s’avérer juste (2 étapes)
Par convention, quel type d’hypothèse faut-il vérifier?
Présence d’une association entre variables qui soit statistiquement significative (non-directionnelle)
Qu’est-ce qu’une hypothèse de recherche et une hypothèse nulle?
H1: Présence d’une association/relation entre VI et VD
H0: Inverse de H1; Aucune association/relation entre VI et VD
Pourquoi est-il important de toujours revenir à l’hypothèse nulle?
Procédures statistiques ne permettent pas d’accepter H1
- Rejet de H0 (si relation statistiquement significative): H1 est nécessairement vrai
- Non-rejet de H0 (s’il n’y a pas de relation): Ne veut pas forcément dire que H1 est fausse
Qu’est-ce que l’inférence statistique?
- Consiste à induire caractéristiques inconnues d’une population à partir d’un échantillon issu de cette population, généralisation
- Basée sur analyses statistiques; méthode permettant de tirer conclusions fiables sur la population, à partir de données obtenues pour l’échantillon (une généralisation)
- Permet de minimiser probabilités de tirer de fausses conclusions quant aux paramètres de la population
- Puisque nous inférons données de notre population à partir d’un échantillon (aléatoire), possible que les résultats trouvés soient attribuables au hasard/erreur d’échantillonnage
Qu’est-ce que l’erreur d’échantillonnage?
- Loi des grands nombres: Plus la taille de l’échantillon est grande, plus l’erreur d’échantillonnage est petite
- Plus grande est la variance de la population, plus grande est l’erreur d’échantillonnage
- Calculée grâce à l’erreur-type de la moyenne=écart-type des moyennes des échantillons aléatoirement extraits de la même population
Quel est le but des inférences statistiques?
Déterminer si les différences observées sont le reflet de réelles différences au sein de notre population ou résultat possible d’une erreur d’échantillonnage/hasard
Quelles sont les 2 types d’erreur d’inférence?
- Chercheur affirme qu’il existe un lien (H1; rejet de H0), mais dans la réalité il n’existe pas de lien=erreur de type 1 (alpha)
- Chercheur affirme qu’il n’existe pas de lien (accepte H0), mais dans la réalité il existe un lien=erreur de type 1 (bêta)
Que veut-on par rapport au seuil de signification ?
On veut être certain à au moins 95% que la relation observée est attribuable à la présence d’une relation réelle entre les variables à l’étude
5% de chance de se tromper en affirmant qu’il existe une relation (erreur de type1)
Que peut-on faire par rapport aux hypothèses et au seuil de signification?
- Si p plus petit ou égal à 0,05, nous pouvons rejeter H0 et conclure qu’il existe une relation significative entre VI et VD (Rejet de H0 ; H1 peut être accepté)
- Si p plus grand que 0,05, nous ne pouvons pas conclure qu’il existe une relation réelle entre VI et VD (qui ne soit pas attribuable à une erreur d’échantillonnage) et devons conserver l’hypothèse nulle (Non-rejet de H0 ; H1 ne peut pas être acceptée)
